{"product_id":"deep-learning-adaptive-computation-and-machine-learning-series","title":"Deep Learning (Adaptive Computation and Machine Learning-Reihe)","description":"\u003cp\u003eEine Einführung in ein breites Spektrum von Themen des Deep Learning, die mathematische und konzeptionelle Hintergründe, in der Industrie verwendete Deep-Learning-Techniken und Forschungsperspektiven abdeckt. „Geschrieben von drei Experten auf diesem Gebiet, ist Deep Learning das einzige umfassende Buch zu diesem Thema.“\u003cbr\u003e\n —Elon Musk, Co-Vorsitzender von OpenAI; Mitbegründer und CEO von Tesla und SpaceX\u003cbr\u003e\n \u003cbr\u003e\n Deep Learning ist eine Form des maschinellen Lernens, die es Computern ermöglicht, aus Erfahrungen zu lernen und die Welt in Form einer Hierarchie von Konzepten zu verstehen. Da der Computer Wissen aus Erfahrung sammelt, ist es nicht erforderlich, dass ein menschlicher Computerbediener das gesamte Wissen, das der Computer benötigt, formal spezifiziert. Die Hierarchie der Konzepte ermöglicht es dem Computer, komplizierte Konzepte zu lernen, indem er sie aus einfacheren aufbaut; ein Diagramm dieser Hierarchien wäre viele Schichten tief. Dieses Buch führt in ein breites Spektrum von Themen des Deep Learning ein.\u003cbr\u003e\n \u003cbr\u003e\n Der Text bietet mathematische und konzeptionelle Hintergründe und behandelt relevante Konzepte der linearen Algebra, Wahrscheinlichkeitstheorie und Informationstheorie, numerischen Berechnung und des maschinellen Lernens. Er beschreibt Deep-Learning-Techniken, die von Praktikern in der Industrie verwendet werden, einschließlich tiefer Feedforward-Netzwerke, Regularisierung, Optimierungsalgorithmen, Faltungsnetzwerke, Sequenzmodellierung und praktischer Methodik; und er untersucht Anwendungen wie natürliche Sprachverarbeitung, Spracherkennung, Computer Vision, Online-Empfehlungssysteme, Bioinformatik und Videospiele. Schließlich bietet das Buch Forschungsperspektiven und behandelt theoretische Themen wie lineare Faktormodelle, Autoencoder, Repräsentationslernen, strukturierte probabilistische Modelle, Monte-Carlo-Methoden, die Partitionsfunktion, ungefähre Inferenz und tiefe generative Modelle.\u003cbr\u003e\n \u003cbr\u003e\n Deep Learning kann von Studenten oder Doktoranden, die Karrieren in der Industrie oder Forschung planen, sowie von Softwareentwicklern, die Deep Learning in ihren Produkten oder Plattformen einsetzen möchten, genutzt werden. Eine Website bietet ergänzendes Material für Leser und Dozenten.\u003c\/p\u003e","brand":"ANT","offers":[{"title":"E-Book","offer_id":54242062631280,"sku":"YSL2892","price":49.59,"currency_code":"USD","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/1009\/8543\/8576\/files\/ebook_2892_311e520a01_7fc628db-9428-4f05-ab86-9e61ed059369.jpg?v=1789563354","url":"https:\/\/antbook.store\/de\/products\/deep-learning-adaptive-computation-and-machine-learning-series","provider":"ANTBOOK","version":"1.0","type":"link"}